以 Java 和 Spring Boot 为基础，探索可靠的 AI Agent 系统与大模型应用工程。
Agent Runtime · Tool Calling · MCP · 状态恢复 · 分布式系统
我关注 AI Agent 背后的后端工程：会话状态能否正确恢复，多个服务副本之间如何协调执行，工具调用和协议交互在异常情况下会怎样处理。
目前的开源贡献主要围绕 Agent 状态恢复、跨副本执行协调、子 Agent 的工具边界，以及 MCP 协议交互展开。
| 方向 | 关注内容 |
|---|---|
| Java 后端 | Java、Spring Boot、Spring MVC / WebFlux、分布式系统 |
| Agent 运行时 | Agent State Recovery、状态持久化、异常传播、子 Agent 与 Hooks |
| 工具与协议 | MCP、Tool Calling、工具过滤、执行与安全边界 |
| 数据与检索 | PostgreSQL、Redis、Elasticsearch、Milvus、RAG 与检索流程 |
- Agent 执行可靠性： 状态恢复、Agent Resume、执行权的原子抢占与分布式协调。
- 大模型应用基础设施： MCP 集成、工具生命周期、RAG、混合检索（Hybrid Retrieval）与重排序（Reranker）评估。
AI 工程： LLM · RAG · AI Agent · MCP · Tool Calling · Agent Runtime · State Recovery · Hybrid Retrieval · Reranker
公开活动卡片由 GitHub Readme Stats Action 每日生成。语言卡只统计非 Fork 公开仓库，目前暂无语言数据；参与上游项目的工程工作见上方 PR。
